周君芝：一个关于社融数据估测的技术细节

本篇文章6923字，读完约17分钟

社会福利数据中有一个统计细节，两个时期存量的减少不等于当期的增加，即增量存量≠增量。估算社会融资存量增长率的常用方法是估算不同子项目的新增社会融资，然后相加得到新增社会融资总量，再计算存量的同比增长率。这意味着通过直接使用新增加的数量来估计股票增长率将引入估计误差。本文的目的是讨论这个错误的细节。

投资要素

社会福利数据中有一个统计细节，两个时期存量的减少不等于当期的增加，即增量存量≠增量。估算社会融资存量增长率的常用方法是估算不同子项目的新增社会融资，然后相加得到新增社会融资总量，再计算存量的同比增长率。这意味着通过直接使用新增加的数量来估计股票增长率将引入估计误差。本文的目的是讨论这个错误的细节。

误差有多大？历史经验表明，年误差约为1%，这一误差不容忽视

2018年，社会融资的月δ存量和增量误差在3%至25%之间。回顾历史，社会福利增量和δ存量总是存在误差，在大多数情况下，前者大于后者。比较两种计算方法的结果，可以看出误差大小:方法1，本期增量/前期存量* 100%；方法2，(当前股票-先前股票)/先前股票*100%。方法1比方法2具有更高的概率，差异大约为1%(年频率)。方法2计算的是实际的股票增长率，因此可以看出，当股票增长率直接由新增金额估算时，年误差约为1%。

为什么会有错误？误差主要来自五个子项目

通过对社会金融子项目的分解，发现δ存量与增量的差异主要来自五个子项目:外币贷款、委托贷款、信托贷款、公司债券融资等。

信托贷款的误差主要是由于每年1月份的股票调整。以信托业协会的信托贷款为影子指标，发现信托贷款的年δ存量和增量误差几乎都是每年1月份贡献的，1月份的误差主要是当月社会融资信托贷款存量的脉冲调整造成的。我们猜测1月份的调整可能与年初的库存统计有关。委托贷款数据透明度不高，误差原因暂时未知，但自2015年以来，误差几乎可以忽略不计。

外币贷款错误是由汇率波动造成的。外币贷款增量计算采用当前平均汇率，存量计算采用期末汇率。修正汇率影响，即将增量和δ股票按相应的汇率换算成美元，发现δ股票和增量误差基本消除，验证了外币贷款误差主要来自汇率波动。

企业债券融资项目的误差是由不同类型债券的不同统计方法造成的。社会融资的企业债券融资包括多种债券(至少11种)。这11种神奇口径债券的年净融资与社会融资口径的公司债券融资增量数据拟合度较高，δ stock也是如此。但是，即使口径相同，这11种债券的新增金额和δ存量也有差异，因为万德的存量统计是基于起息日，净融资统计是基于发行日。企业债券融资的社会融资包括多种类型的债券，涉及不同的发行制度、支付规则和余额统计标准，不仅有起息日和发行日的区别。因此，其日常统计监测涉及面广，自然存在统计困难，新增量和δ存量不可避免会出现统计误差。

其他主要原因在于保险公司补偿和金融去杠杆化的具体背景。从社会福利总额中扣除人民币贷款等7个子项目的盈余称为“其他项目”，实际上包括保险公司赔偿、投资性房地产和其他融资3个子项目。我们认为，自2016年以来的大多数情况下，其他错误主要是由于保险公司的赔偿；2017年的失误不仅与保险公司薪酬有关，还与具体的去杠杆化背景有关。

教学的意义是什么？2019年，股票增量增长的估计结果比往年更加稳定

通过对δ存量和五个子项目增量的误差求和，发现2019年社会福利存量增长率的估计总误差概率仅为1.04%，属于2010年以来的小中性误差水平。新口径社会融资存量的δ存量和增量误差概率小于0.9%，即2019年社会融资存量增长率增量估计值比往年更稳定。

核心假设风险:中美贸易摩擦超出预期，国内需求下降超出预期。

首先，社会融资存量的减少不等于当前增量

1.1减去社会融资存量并不意味着本期新增社会融资

同时，央行报告社会融资存量和增量数据。然而，如果减去两个时期的期末存量，结果不等于当前的社会融资增量。以2018年为例，12月份新口径社会融资存量为200.75万亿，减去11月份新口径社会融资存量199.29万亿，结果为14535亿元；与去年12月央行公布的新增社会融资相比，今年新增社会融资15897.6亿元，相差1362.6亿元。同样，从2018年1月至12月，出现了δ stock不等于当月新增金额的现象，两组数据之间的误差在3%至25%之间[1]。回顾历史数据，社会福利增量与δ存量之间一直存在误差，并且在大多数情况下误差为正，即社会福利增量大于δ存量。

1.2用新的社会融资估算社会融资存量增长率的误差不容忽视

估算社会融资存量增长率的一种常用方法是先估算T期新的社会融资(新的社会融资T)，再除以过去t-1期的社会融资存量，然后得到T期社会融资存量的预测增长率。然而，δ stock不等于当期社会融资增量，这意味着计算新增社会融资T的社会融资存量T的同比增长率的估计方法会引入误差。这个误差在多大程度上影响了估计的准确性？这是估算社会融资存量增长率需要面对的问题。

为了观察误差，我们比较了两种算法的计算结果。算法1，本期增量/上期存量* 100%；算法2，(当前股票-先前股票)/先前股票*100%。其中，央行直接报告的社会融资存量的增长率用方法2来衡量，即δ存量/存量的结果是社会融资存量的实际增长率。

图3(仅追溯旧口径的社会整合)显示，算法1得到的结果基本上高于算法2得到的结果，且两者在大多数年份的测量结果相差仍在1%左右；在几年内超过1%，如2006年(1.1%)、2007年(1.1%)、2009年(1.9%)、2011年(1.6%)、2012年和2013年(1.4%)；个别年份甚至超过3%，如2004年(3.4%)、2005年(4.8%)和2008年(3.5%)，差异较大的年份主要是2010年之前。2018年新口径(9月调整口径)和7月调整口径也存在类似误差，方法1和方法2测得的差异(季节频率)在0.8%以内，如图4所示。

第二，误差主要来自五个子项目

2.1错误主要来自五个子项目

在解释错误的主要来源之前，我们先简要回顾一下央行公布社会融资数据的频率特征。在股票社会福利方面，央行从2015年开始直接发布股票数据(包括子项目)，数据频率为季度。2016年，将发布月度社会融资存量数据(包括子项目)。从2002年到2014年，央行没有直接公布社会融资存量(包括子项目)的规模，而是公布了社会融资存量(包括子项目)的年增长率。因此，在理论上，我们可以利用2015年及以后的社会融资存量数据，以及2002年至2014年的存量同比增长率来计算相应年份的社会融资存量年度数据。在增量社会福利方面，2012年，中央银行公布了月度增量社会福利数据，同年，它补充了2002年至2011年的月度增量社会福利数据。到目前为止，2002年1月以后的月度增量数据已经直接公布。

在分析央行发布的社会福利数据时，有两点值得注意。首先，央行公布的同比增长率仅精确到小数点后一位(从2018年起，将精确到小数点后两位)。因此，同比增长率的逆向计算方法将会出现以下情况:年份越早，小数点准确性造成的误差越多。第二，月度新增社会融资可分为“月度初始值”和“月度价值”。央行每月10-15日前后以新闻公告的形式发布社会金融(包括子项目)初步统计数据，即“当月初值”，每月16-19日前后的修正数据即为“当月终值”。

我们之所以花一些精力整理央行公布的社会融资口径和数据频率，是为了尽力找出误差的哪一部分来自δ stock与新增金额的差异，哪一部分误差仅仅是因为数据口径转换而引入的。例如，在2015年及之前，缺乏由央行直接公布的社会融资存量数据。虽然年度社会融资存量可以根据央行给出的社会融资存量同比增长率进行反算，但央行公布的社会融资存量同比只精确到小数点后一位，每次反算都会引入误差。随着反算周期的延长，前一年的误差会越积越多。因此，当我们观察年频率的增量和增量差异时，我们构建了2010年及以后的数据范围。另外，需要强调的是，2015年前后没有直接公布的月度频率股票数据，也无法计算月度频率社会融资股票的增长率。因此，在讨论月频率δ stock和增量误差时，我们设定了2016年及以后的数据范围。

2016年以来，信托贷款、委托贷款、外币贷款、企业债券融资等项目是社会融资δ存量和增量误差的主要来源，月度误差主要集中在外币贷款、企业债券融资等项目。细分项目对总社会福利误差的贡献率取决于两个因素，一是细分项目的误差大小，二是细分项目占总社会福利的比例。虽然股票融资子项目本身有较大的误差项，但其占社会融资总额的比例相对较低，因此股票融资子项目对社会融资误差总额的最终贡献并不高。虽然人民币贷款占社会总福利的比重相对较高，但其δ存量和增量误差相对较小，因此人民币子项目的δ存量和增量误差对社会总福利误差贡献不大。自票据监管以来，表外票据融资的误差逐渐收敛。尽管其相对比例不低，但自2016年以来，账单项目对社会融资总误差的贡献迅速下降。下面，我们重点分析信托贷款、委托贷款、外币贷款、公司债券融资等五个子项目的误差。

2.2信托贷款错误或1月份股票统计的主要原因

比较信托业协会和社会金融的信托贷款数据，前者占后者股票余额的97%-98%；在大多数情况下，前者的年增长率基本上是后者的94%-101%。由此可见，信托业协会统计的信托贷款(以下简称协会标准)可以作为观察社会整合标准信托贷款的一个很好的影子指标。

首先，我们发现社会融资信托贷款的δ存量和增量误差基本上在每年1月份达到年度峰值，1月份误差基本上可以解释大部分年度误差。换句话说，对社会融资信托贷款的δ存量和增量误差的分析主要是为了解释1月份的误差。

其次，比较社会整合口径和关联口径，发现除每年1月份外，两者的股票数据趋势基本一致；就新增长而言，没有类似的季节性现象。关联口径作为影子指标，是指每年1月份社会融资口径信托贷款δ存量与增量之间的误差，主要是由社会融资口径信托贷款存量的变化引起的。

目前，我们仍无法有效判断每年1月份社会融资信托贷款存量“脉动调整”的最终原因。我们的猜测可能与每年年初信托贷款数据的统计安排有关。无论如何，我们至少可以知道观察社会融资信托贷款的δ存量和增量误差，而观察1月份是很重要的。

委托贷款数据缺乏透明度，目前无法了解委托贷款项目δ存量和增量误差的原因。自2015年以来，委托贷款的误差已经大大收敛，其对社会融资总误差的贡献几乎为零。目前，我们不会对委托贷款的错误进行详细分析。

2.3外币贷款是由于汇率波动

外币贷款是金融机构通过贷款、票据贴现、垫款、汇票和福费廷等方式向非金融企业、个人和政府机构提供的外币贷款[2]。值得注意的是，虽然是以“外币”的形式，但在社会金融统计中外币贷款都是以人民币计价的，所以汇率波动会直接影响到以人民币计价的外币贷款的规模。在计算社会融资增量时，外币贷款使用当前平均汇率；在计算社会融资存量时，外币贷款使用期末汇率[3]，因此汇率波动是影响增量存量和增量差异的主要原因。修正汇率影响，即根据上述汇率转换原则将存量和新增社会福利转换为美元，我们发现δ存量和增量数据缺口已基本消除(如图15所示)。个别月份的数据仍然略有差异，主要与期末汇率波动较大有关。

2.4企业债券融资的原因是统计方法

公司债券融资是指非金融企业发行的各类债券，包括公司债券、超短期融资债券、短期融资债券、中期票据、中小企业集合票据、非公开定向融资工具、资产支持票据、公司债券、可转换债券、可分离可转换债券、中小企业私人债务(包括但不限于上述11种债券)。我们将11种债券的年净融资额和δ stock与Wonder口径进行比较，发现11种公司债券的净融资额与社会金融口径的公司债券新融资额基本相等，至少变化趋势极其一致，如图16所示；δ stock具有类似的性能，如图17所示。然而，即使在相同的规模下，新的净融资和11种证券的δ股票之间也存在差异，造成这种差异的主要原因是股票统计基于起息日，净融资统计基于发行日。

社会融资的企业债券融资包括多种类型的债券，涉及不同的发行制度、赎回规则和余额统计标准，并不限于发行日和起息日统计标准的差异。换句话说，企业债券融资的日常统计监控涉及面广，这自然有一定的统计难度，这也是企业债券融资新增金额与δ股票存在差异的主要原因。考虑到社会融资的企业债券融资统计的复杂性，而且，社会融资的企业债券融资的新增金额和δ股票缺口并没有表现出明显的规律性，所以我们就不追究其差异原因的细节了。

2.5其他主要原因在于保险公司补偿和去杠杆化的具体背景

传统的社会融资统计包括人民币贷款、外币贷款、委托贷款、信托贷款、无贴现银行承兑汇票、企业债券融资、非金融企业内资股融资、保险公司赔偿、投资性房地产及其他融资。央行通常公布前七个子项目的新股和股票数据，但不公布保险公司薪酬、投资性房地产和其他融资的数据。从前七个分项中扣除社会总福利数据，盈余称为“其他项目”，实际上包括保险公司赔偿、投资性房地产和其他融资三个分项。

保险公司赔偿是指保险公司在保险合同有效期内为履行赔偿义务而提供的资金，包括财产保险赔偿、健康保险赔偿和意外伤害保险赔偿。这个指标将使收支平衡在年底，没有股票或平衡的概念。即其他项目存量=投资性房地产存量+其他融资存量，其他新增增量=保险公司补偿增量+投资性房地产增量+其他融资增量，其他项目增量-δ其他项目存量=(投资性房地产增量-δ投资性房地产存量)+(其他融资增量-δ其他融资存量)+保险公司补偿增量。

投资性房地产增量与δ投资性房地产存量，以及其他融资性增量与δ其他融资性存量没有区别，因此其他项目增量-δ其他项目存量等于保险公司补偿增量。根据中国保监会的数据，自2016年以来的大部分时间里，其他项目的增量δ和其他项目的存量几乎等于保险公司的薪酬，如图21所示。换句话说，大多数时候，其他差异主要来自保险公司的赔偿。在2017年等少数时间段内，其他项目的增量δ与保险公司的薪酬有很大不同，并表现出明显的季节性波动。考虑到投资性房地产主要是指金融机构为赚取租金或资本增值或两者兼而有之而持有的房地产，不容易出现季节性的大幅波动。因此，我们倾向于认为2016年数据差异的高概率不是来自投资性房地产项目。其他融资是指实体经济从小额信贷公司和贷款公司获得资金，主要包括小额信贷公司和贷款公司的贷款。2017年，在金融银行间去杠杆化的背景下，金融体系结构发生了变化，小额信贷公司可能会相应波动。换句话说，我们倾向于认为2017年其他项目的增量与δ存量的差异不仅与保险公司的薪酬有关，还与特定的金融去杠杆化背景有关。

第三，技术细节对社会融资类股增长率预测的意义

外币贷款日益成为外贸企业重要的融资渠道。由于外币计价，外币贷款的增长将受到世界经济形势、境内外利差和外汇管理政策等多种因素的叠加影响。很难准确捕捉到外汇贷款增量估计带来的误差扰动。同样，企业债券融资涉及不同类型的债券和统计标准，其他项目包括三个子项目融资，委托贷款和信托贷款涉及不规范和信息不完全透明，因此很难准确捕捉五个子项目的误差。相反，我们使用历史比较法粗略估计了2019年五个子项目的δ存量和增量误差。

回顾历史，自2010年以来，其他项目的误差基本稳定在0.3%~0.5%之间。我们倾向于认为2019年其他项目的误差概率为0.3%~0.5%，属于中性水平。对于公司债券融资，除2018年(0.4%)外，自2010年以来误差很少超过-0.2%~0.2%。我们倾向于认为2019年公司债券的错误概率为-0.2%~0.4%，这是近年来的较高水平。对于外币贷款，自2009年以来误差基本控制在-0.2%~0.45%。随着2015年人民币自2001年以来单边贬值趋势的结束，外币贷款的误差也由正变负。以人民币汇率升值假设下的2017年为参考样本，以人民币汇率贬值假设下的2015年为参考样本，估计2019年外币贷款误差在-0.16%~0.1%之间，为2010年以来的较弱水平。在信托和委托贷款方面，1月份信托贷款的增量和存量差额为582亿元，超过了近两年同期委托贷款的水平。考虑到信托贷款的误差主要是1月份造成的，这意味着2019年信托贷款和委托贷款引入的误差比2017年和2018年更有可能。根据过去两年1月同期误差额的线性外推，2019年委托信托贷款明细可能引入0.02%~0.04%的误差，这是历史最高水平。将五个子项目误差相加，最终误差概率仅为1.04%，属于2010年以来的小中性水平。

值得注意的是，从2019年1月到2月，央行并没有公布冲销和资产支持证券的明细。根据过去两年的经验，本地特殊债券、资产支持型证券和δ股票以及核销增量均无误差。新口径δ存量和增量误差的主要来源是外币贷款、信托贷款、委托贷款、企业债券融资等项目，这五种风险对新口径全社会融资δ存量和增量误差的贡献率或概率较大，小于0.9%。